摘要：為了滿足基于計算機視覺的疲勞駕駛監(jiān)測中眼睛定位的實時性和準確性的需要，提出了疲勞駕駛視頻監(jiān)測背景下的快速人臉定位方法。依據(jù)疲勞駕駛監(jiān)測中獲取的視頻背景相對固定的特點，將背景減除法引入到駕駛員人臉檢測當(dāng)中，與灰度投影法相結(jié)合實現(xiàn)快速人臉定位。實驗表明此方法快速、有效，且對光照變化以及駕駛員人臉姿態(tài)的變化具有較好的魯棒性。
關(guān)鍵詞：疲勞駕駛；人臉定位；背景戰(zhàn)除法；灰度投影

    目前，已存在許多疲勞駕駛監(jiān)測技術(shù)，如測試駕駛員適宜度的方法、腦電圖法、檢測車輛行駛軌跡的方法及基于計算機視覺的方法等，其中基于計算機視覺的方法因其非接觸性、實時性和便于實現(xiàn)而得到了廣泛的關(guān)注。統(tǒng)計表明，駕駛員獲取的外界信息大約有90％是通過視覺得到的，因此測量眼睛的閉合、運動或視覺生理是一種很好的檢測駕駛員疲勞度的方法，且當(dāng)前國際公認的PERCLOS理論是以眼睛的狀態(tài)信息為基礎(chǔ)的。因此，駕駛員眼睛的定位是基于計算機視覺的疲勞駕駛監(jiān)測的關(guān)鍵之一。
    一般情況下，駕駛員臉部在獲得的圖像序列中占的比例較小，這就意味著有很大一部分圖像數(shù)據(jù)對后面人眼定位和特征提取是沒有任何貢獻的；且人臉以外的區(qū)域可能存在類似人眼的物體，也會給人眼定位造成干擾。因此絕大多數(shù)文獻中，均是在定位眼睛之前先對人臉進行定位，然而這些文獻中的人臉檢測方法都是引用的已存在的獨立的人臉檢測方法，并非為疲勞駕駛視頻監(jiān)測系統(tǒng)量身定做，這就難免造成一些不必要的計算開銷，進而影響監(jiān)測系統(tǒng)的實時性。
    因此，本文提出疲勞駕駛視頻監(jiān)測中的快速人臉定位方法，充分利用疲勞駕駛視頻監(jiān)測中背景相對固定的實際特點，引入背景減除法，并結(jié)合灰度投影法快速且準確的檢測定位人臉。

1 相關(guān)理論方法
1．1 背景減除法
    背景減除法是在靜止背景下檢測運動物體的常用方法之一。該方法是利用當(dāng)前圖像與背景圖像的差分來檢測出運動區(qū)域的一種技術(shù)。該方法通過圖像序列中的靜止物體創(chuàng)建背景幀，將當(dāng)前幀與背景幀進行比較，然后通過閥值分割不同灰度值的區(qū)域塊從而獲取感興趣區(qū)域。
    假設(shè)有背景圖bk與當(dāng)前幀圖像fk。首先利用公式(1)計算背景圖像bk與當(dāng)前幀圖像fk的差，然后可以依據(jù)公式(1)對差分圖像Dk進行二值化和形態(tài)學(xué)濾波處理，并對所得結(jié)果Rk進行區(qū)域連通性分析，當(dāng)某一連通區(qū)域的面積大于某一給定閥值，則成為檢測目標，并認為該區(qū)域即為目標的區(qū)域范圍。
   
    其中Dk(x，y)為背景圖像減去當(dāng)前圖像所得到的差分圖像，T是目標分割時設(shè)定的閥值。
1．2 灰度投影法
    灰度投影法可以得到所獲取圖像的灰度值總體分布規(guī)律。灰度投影法，就是對輸入的圖像經(jīng)過預(yù)處理后，把其灰度值映射成兩個獨立的一維波形，即把二維圖像信息用兩個獨立的一維信息來表示，其投影方法可用公式表示如下：
   
    其中，G(i)為圖像第i行的灰度值，G(i，j)為圖像上(i，j)位置處的像素灰度值；G(j)為圖像第j列的灰度值。即將圖像第i行各個像素的灰度值映射為一個值G(i)，同理，將第j列各個像素的灰度值映射為一個值G(j)。

2 快速人臉定位方法
2．1 方法原理
    該方法原理簡單。利用背景基本固定的特點，對采集到的駕駛員視頻圖像進行背景減除，然后對得到的圖像分別進行水平和垂直方向的投影，根據(jù)投影曲線的峰值變化即可快速確定人臉區(qū)域。
2．2 可行性分析
    疲勞駕駛視頻監(jiān)測系統(tǒng)通過視頻采集設(shè)備獲得駕駛員的實時圖像，并基于采集的視頻自動分析駕駛員的相關(guān)特征信息來確定駕駛員精神狀態(tài)。
    背景減除法和灰度投影法相結(jié)合以快速定位人臉功能的實現(xiàn)，是基于疲勞駕駛視頻監(jiān)測的以下幾個特點：
    1)系統(tǒng)的視頻采集設(shè)備通常是固定在車輛儀表盤上方等位置，與車輛形成一個整體，因此無論車輛怎樣運動，兩者都會保持相對靜止狀態(tài)，從而采集的視頻背景除光照變化或物體遮擋外基本保持固定不變。
    2)光照引起的背景圖像變化或偶爾的物體遮擋，在灰度投影下相對于駕駛員身體的投影曲線峰值較小，可較明顯的區(qū)分。
    3)車輛駕駛過程中，駕駛員兩肩在采集的視頻圖像中基本保持水平，因此，無論駕駛員頭部怎樣運動，在進行水平方向灰度投影時均可根據(jù)兩肩處的峰值變化來正確區(qū)分駕駛員頭部和軀干部分。
    4)駕駛員在駕駛車輛過程中，面部朝向基本保持向前，因此確定了頭部區(qū)域便大概確定了人臉區(qū)域。
    基于以上4點，就可以得到準確的，并且對光照和人臉姿態(tài)變化具有較好魯棒性的人臉定位方法。
2．3 方法實現(xiàn)
    方法分4個步驟：1)背景獲取；2)背景減除；3)灰度投影，先進行水平方向投影將人臉區(qū)域與軀干區(qū)域分開，然后在人臉所在圖像的水平區(qū)域內(nèi)進行垂直方向的投影；4)水平投影和垂直投影所得到的區(qū)域交集，即為人臉區(qū)域。
    方法的偽代碼如下：
    輸入：A，駕駛員人臉圖像
          B，背景圖像
    輸出：F，駕駛員人臉區(qū)域
    描述：
   
    為便于理解，本節(jié)對采集到的一張帶人臉的圖像如圖1所示，及其背景如圖2所示。采用本文所提出的方法進行處理，以詳細展示該方法的具體流程。

    首先利用背景減除法去除圖1的背景，得到圖3(a)，對得到的圖像首先進行水平灰度投影，投影曲線如圖3(b)所示。根據(jù)水平投影曲線確定人臉所在的圖像水平區(qū)域，如圖3(d)，然后在水平區(qū)域內(nèi)進行垂直投影，投影曲線如圖3(c)。最終根據(jù)投影曲線確定人臉所在區(qū)域。

3 實驗結(jié)果及分析
    本章節(jié)進行實驗以驗證本文所提方法的實時性以及對光照和人臉姿態(tài)變化的魯棒性。
    實驗平臺采用的計算機CPU為Intel(R)CPU@2．13 GHz，內(nèi)存1 GB；軟件平臺為Windows XP；圖像處理程序由MATLAB編制。待處理圖像為事先獲取的模擬光照變化及人臉姿態(tài)變化的駕駛員圖像，大小統(tǒng)一設(shè)置為320x240像素，如圖4所示。

    1)對圖4中的圖像進行實驗，均準確的得到了人臉區(qū)域，因此可以得出本方法對光照和人臉姿態(tài)的變化具有良好的魯棒性。
    圖5展示了與圖3不同光照不同人臉姿態(tài)下的人臉定位效果。

    2)通過對圖4中8幅圖像進行實驗，得出本方法對320×240像素大小的圖像處理所需時間為94ms。
    綜合1)、2)可知，該方法定位準確、魯棒性好，且定位速度快，為系統(tǒng)的實時性以及下一步的檢測和跟蹤人眼打下了良好的基礎(chǔ)。

4 結(jié)論
    本文緊密結(jié)合疲勞駕駛視頻監(jiān)測過程中視頻背景基本保持不變的實際特點，引入背景減除法結(jié)合灰度投影來實現(xiàn)快速人臉定位。實驗證明，本文所提出的方法準確、快速且對光照和人臉姿態(tài)變化魯棒性好，為下一步實時、準確地判斷駕駛疲勞狀態(tài)，打下了良好的基礎(chǔ)。然而本文所提出的方法適用于圖像中存在駕駛員的情況，且僅限于可明顯觀察到駕駛員的光照條件，在光線太弱時難以發(fā)揮作用，仍然需要進一步的工作以發(fā)現(xiàn)更好的快速人臉定位方法。